وحید برادران

زمان توقف اتوبوسها در ایستگاهها، یکی از پارامترهای تأثیرگذار بر کیفیت برنامه‌ریزی حمل و نقل در سیستم‌ اتوبوسرانی است. شناسایی عوامل موثر بر زمان توقف اتوبوسها و پیش‌بینی دقیق آن علاوه بر ارایه برنامه‌های دقیق تر، منجر به ارایه سیاستهای مناسبی برای کاهش زمان توقف و افزایش رضایت مسافران سوار بر وسیله نقلیه و منتظر در ایستگاه‌ها می‌شود. در این مقاله، با مطالعه سیستم اتوبوسرانی شهر تهران، عوامل بالقوه موثر بر زمان توقف اتوبوسها در ایستگاه‌ها شناسایی شده و با استفاده از تحلیل رگرسیونی، تأثیر بخشی از عوامل شناسایی شده مانند تعداد مسافران سوار و پیاده شده، بر زمان توقف اندازه‌گیری شده است. برازش توابع مختلف بر داده‌های جمع‌آوری شده از سیستم اتوبوسرانی شهر تهران، تابع غیرخطی از تعداد مسافران سوار و پیاده شده، بدون درنظر گرفتن جنسیت مسافر و دری که از آن پیاده یا سوار می‌شوند را به عنوان مناسب ترین تابع برای پیش‌بینی زمان توقف با ضریب تعیین 9/87 درصد نتیجه داده است. همچنین بررسی میکروسکوپی فرآیند توقف و تحلیل آماری پارامترهای موثر بر آن مانند زمان و تعداد مسافران سوار و پیاده شده منجر به توسعه مدل شبیه‌سازی گسسته پیشامدی از فرایند توقف اتوبوسها در ایستگاهها شده است. از مدل شبیه‌سازی طراحی شده برای بررسی تأثیر سیاستها و عوامل دیگری که امکان مطالعه آنها بر اساس داده‌های جمع‌اوری شده نیست، از قبیل نحوه پرداخت کرایه بر زمان توقف استفاده شده است. تحلیل‌ها نشان می‌دهد تغییر در نحوه پرداخت کرایه از سیستم بلیت کاغذی به پرداخت الکترونیکی حدود 23 درصد زمان توقف اتوبوسها را در ایستگاهها کاهش می‌دهد.

"با توسعه سیستم‌های حمل‌ونقل هوشمند، فرآیند برنامه‌ریزی سیستم‌های حمل‌ونقل عمومی مانند اتوبوس و قطار شهری از حالت استاتیک (برنامه‌ریزی بر اساس داده‌های گذشته) به حالت پویا (برنامه‌ریزی براساس داده‌های گذشته و لحظه‌ای) تغییر کرده است. در هر دو فرآیند فوق، زمان سفر به عنوان مهم ترین پارامتر برنامه‌ریزی محسوب می‌شود. در بیشتر مطالعات گذشته حوزه برنامه‌ریزی حمل‌ونقل عمومی، مبنای برآورد زمان سفر، استفاده از رویکرد توزیع‌های احتمالی بوده است. اما پیش‌بینی دقیق و صحیح زمان سفر نیازمند توسعه مدلهای پیش‌بینی متناسب با هر نوع فرآیند برنامه‌ریزی و بر اساس تأثیر متغیرهای مؤثر بر زمان سفر است. در این مقاله با مطالعه سیستم حمل‌ونقل عمومی شهر تهران (اتوبوسرانی)، متغیرهای مؤثر بر زمان سفر، شناسایی شده و میزان تأثیر هر یک از آنها بر زمان سفر اندازه‌گیری شده است. دو مدل پیش‌بینی مبتنی بر رگرسیون خطی و شبکه عصبی پیش‌خوراند جهت پیش‌بینی زمان سفر وسایل نقلیه عمومی بین دو ایستگاه متوالی قابل استفاده در فرآیندهای برنامه‌ریزی استاتیک و پویا طراحی شده است. مقدار ضریب همبستگی بین مقادیر واقعی و پیش‌بینی شده برای متغیر زمان سفر در شبکه اتوبوسرانی شهر تهران، در مدل رگرسیون حدود 75% و در مدلهای شبکه عصبی حدود 94% بوده است. "